MARS: Nytt system hanterar långtidshistorik bättre i rekommendationsmotorer

arXiv cs.AI

Forskare har tagit fram MARS, ett system för rekommendationsmotorer (som Netflix eller Spotify använder för att föreslå innehåll) som bättre hanterar användares historik i olika tidsskalor – kortsiktiga impulser, mellanliggande intressen och långvariga preferenser. Problemet de löser kallas 'temporal aliasing', där befintliga system tappar bort nyliga beteendemönster men behåller gamla väl. MARS slår jämförbara metoder på tre publika dataset, med störst förbättringar för användare med lång historik – och körs med bara 1,02 gånger fördröjningen hos befintliga system.